[CentOS Python系列] 一.阿里云服务器安装部署及第一个Python爬虫代码实现

从2014年开始，作者主要写了三个Python系列文章，分别是基础知识、网络爬虫和数据分析。Python基础知识系列：Pythonj基础知识学习与提升
Python网络爬虫系列：Python爬虫之Selenium+Phantomjs+CasperJS
Python数据分析系列：知识图谱、web数据挖掘及NLP
它们都是基于Windows系统下的Python编程，每个系列都从安装过程、基础知识到实际应用三个方面进行讲解，但在写这些文章的时候，始终有两个缺陷：一是没有介绍Linux系统下的Python编程，并且所有代码使用的都是Python 2.7版本；另一方面是如何结合服务器，真实的项目中，通常会将Python代码托管到服务器中。

 

 

同时，随着人工智能和深度学习的风暴来临，Python变得越来越火热，作者也准备从零学习这些知识，写相关文章。本篇文章是作者学习部署阿里云服务器 CentOS环境，然后完成了第一个Python BeautifulSoup爬虫，是非常基础的入门文章，后面将陆续深入，学习如何将Python定时爬虫托管到服务器、爬取的数据存储至数据库中、爬虫数据分析等知识。文章非常基础，希望这系列文章对您有所帮助，如果有错误或不足之处，还请海涵。

一. 阿里云服务器CentOS搭建

阿里云的CentOS云系统是一个集成了Python环境基于yum安装的镜像，包含Nginx、MySQL、Pyenv、IPython等。
CentOS（Community Enterprise Operating System，中文意思是：社区企业操作系统）是Linux发行版之一，它是来自于Red Hat Enterprise Linux依照开放源代码规定释出的源代码所编译而成。由于出自同样的源代码，因此有些要求高度稳定性的服务器以CentOS替代商业版的Red Hat Enterprise Linux使用。两者的不同，在于CentOS并不包含封闭源代码软件。阿里云提供了很多的产品供大家购买使用，非常方便，这里作者随便购买了一个，不一定适用，自己也是摸着石头过河，一点点尝试吧，为了学习这钱其实还是值的。

1.购买centOS系统
如君云时代提供的环境地址：Python运行环境（CentOS6.8 64位）



该产品的说明如下所示：



2.点击购买，进入选择配置页面进行购买



3.购买成功之后，生成如下的订单页面 这里作者选择了云服务器ECS、镜像CentOs6.8，支持Python运行环境、djangoV1.1、nginxV1.1、mysqlV5.7。



4.在菜单页面点击设置密码，登录名root、登录密码需设置


5.点击“去下单”按钮并支付


6.去到阿里云控制台，并点击云服务器ECS


然后在左边栏目点击“云服务器ECS”图标，生成如下图所示界面，可以看到我们的服务器已经运转。


7.在控制台中实现云服务器远程登录


点击“远程登录”后弹出的界面会提示远程连接密码，请记住这个密码，它将一直用于远程登录服务器。


接下来就是输入远程连接密码实现登录。


8.在弹出的黑框中，输入登录名root，密码为第4步骤设置的自定义密码


注意：讲到这里一个简单的阿里云服务器就搭建成了，其他云服务器都是类似的配置方法，比较简单，这里作者使用的是CentOS系统，接下来将带领大家体验Linux的基础命令及写第一个Python代码。

二. CentOS基础命令及Python入门

作者首先给出Linux系统下常见的命令，详见：Putty基础教程之（一）.入门命令学习及编写HTML

cd 文件夹名：查看路径
dir：查看当前路径下的所有文件
ls：列出当前文件夹下所有内容
pwd：显示当前路径
clear： 清空终端屏幕命令，Ctrl+L清除屏幕

mkdir [dir]： 新建文件夹
mv *** ****：移动或者重命名
rm *** ***：删除一次可以删除多个
cp：拷贝

touch 文件名： 新建文件
vi 文件名： 编辑文件命令
cat 文件名： 查看文件内容

wget （路径）：下载
unzip ***.zip：压缩文件到当前目录
ls -ltr  |  cat  -vte： 显示文件夹下所有内容详细信息

1.清屏 命令：clear




2.查看文件内容 
命令：dir或ls

$ls 列出当前文件夹下所有内容
$ls -o 列出当前文件夹中所有内容，含详细信息，但不列出group
$ls -l 同上，含group信息
$ls -a 列出当前文件夹中所有内容，包含以”.”开头的文件
$ls -t 按更改时间排序
$ls -v 按版本先后排序

如下图所示，可以看到我已经创建的三个Python文件，“ls -o”显示详细信息。



3.新建文件夹 
命令：mkdir 文件夹 
创建文件夹eastmount，执行”mkdir eastmount”后显示新建文件夹。



4.查看路径 
命令：cd 进入文件夹 
Change Directory ，”cd yxz”表示进入yxz文件夹，”cd ~”表示返回home根目录，”cd ..”表示返回上一层目录（类似DOS）。 
更改目录 Change Directory (cd)：cd /path/to/directory/，有DOS基础的同学应该知道，路径可以用相对也可以用绝对。


5.创建Python文件 
命令：touch first.py 
在eastmount目录创建first.py文件，如果touch了已有的文件，则会更新那个文件的日期为当前。


6.查看Python版本 
命令：python -V 
可以看到是Python3.4.1，需要注意print()为输出，同时调用一些扩展包方法也有别于Python2.7版本。


7.编辑Python程序 
命令： vi first.py 
注意： 
(1) 输入”vi first.py”后，用vi打开文件后，是处于「命令行模式（command mode）」，您要切换到「插入模式（Insert mode）」才能够输入文字。切换方法：在「命令行模式（command mode）」下按一下字母「i」就可以进入「插入模式（Insert mode）」，这时候你就可以开始输入文字了。 
(2) 编辑好后，需从插入模式切换为命令行模式才能对文件进行保存，切换方法：按「ESC」键。 
(3) 保存并退出文件：在命令模式下输入:wq即可！（别忘了wq前面的:）

执行步骤：

输出指令：vi first.py
点击键盘：i键 - 编辑代码(Insert)

输出代码：
#!/usr/bin/python
print("this is my first python code.")
print("hello,Eastmount!!!")
print("Bye, Nana.")

点击键盘：Esc键
输出命令：:wq

注意，我们也可以使用“vim first.py”编辑代码，并且它是彩色显示，如下图所示：


8.运行Python程序 
命令：python first.py 
输出结果如下所示：

this is my first python code.
Hello, Eastmount!!!
Bye, Nana.

注意：使用Linux系统时，如果一个屏幕显示不下内容，想切换上一页下一页，可以使用“Shift+PageUp”快捷键查看上一页内容，“Shift+PageDown”查看下一页内容。

三. Python实现BeautifulSoup爬虫代码

Python可以调用pip工具安装扩展包，这是非常方便的一个手段，这里我们通过该扩展包安装BeautifulSoup和Selenium爬虫扩展包。 

安装Selenium扩展包
命令：pip install selenium


安装BeautifulSoup扩展包 
命令：pip install bs4



查看已安装扩展包 
命令：pip list


创建第一个爬虫代码bsfirst.py 
命令：touch bsfirst.py

编辑代码 
命令：vim bsfirst.py


输入代码

#!/usr/bin/python
import sys
import urllib
import urllib.request
from bs4 import BeautifulSoup

print(sys.getdefaultencoding())
url = "http://www.baidu.com"
print(url)
content = urllib.request.urlopen(url).read()
#print(content)

soup = BeautifulSoup(content,"html.parser")
print(soup.title)
print(soup.title.get_text())

输出结果


注意，它输出了中文乱码，下一篇文章将讲解怎么解决该问题。

四. Putty基础用法

PuTTY是一个Telnet、SSH、rlogin、纯TCP以及串行接口连接软件。PuTTY为一开放源代码软件，主要由Simon Tatham维护，使用MIT licence授权。 
随着Linux在服务器端应用的普及，Linux系统管理越来越依赖于远程。在各种远程登录工具中，Putty是出色的工具之一。它是一个免费的、Windows x86平台下的Telnet、SSH和rlogin客户端，但是功能丝毫不逊色于商业的Telnet类工具。

连接远程服务器 
运行界面如下图所示： 

登录阿里云服务器 
在Host Name填写公网IP地址，比如39.xx.xx.166，点击“Open”按钮，如下图所示。 


登录后的界面如下图所示，填写登录名“root”以及对应登录密码。 


然后就可以操作该远程服务器了，比如运行我们的bsfirst.py爬虫代码。 


可以看到，爬取了百度搜索官网的标题“百度一下，你就知道”，更多BeautifulSoup知识推荐下面，这里不再深入。 通过Putty我们可以更好的管理远程服务器以及上传文件到服务器上，总之，希望这篇基础文章对您有所帮助，尤其是刚接触云服务器的新手，如果您是高手，还请多提意见，共同提高。 
祝大家新年快乐，又一年过去了，娜我们来年一起进步加油。 
（By：Eastmount CSDN 秀璋 2018-02-13 中午1点 http://blog.csdn.net/Eastmount）